-
公开(公告)号：CN114398538B
公开(公告)日：2024-02-06
申请号：CN202111496617.3
申请日：2021-12-08
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F21/62 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本发明属于个性化推荐技术领域，公开了一种隐私保护的跨域推荐方法、系统、存储介质、计算机设备，包括：建立本地模型，针对各个域中的用户‑项目关系图，基于图神经网络技术从图中学习用户、项目特征，利用交叉熵损失函数训练本地模型；上传模型梯度，将本地模型梯度添加基于瑞丽熵的差分隐私的噪声后上传给服务器，有效保护用户隐私；聚合更新模型，服务器使用FedAvg算法，聚合各个域上传的模型梯度，以此更新全局模型；利用全局模型来更新本地模型，迭代这个过程直至收敛。本发明能够在多域数据环境下实现有效推荐，并能保护多域训练数据隐私；能够在冷启动和数据稀疏的情况下，通过跨域的信息共享实现推荐；能够同时提高多个域上的推荐性能。
-
公开(公告)号：CN117768203A
公开(公告)日：2024-03-26
申请号：CN202311789221.7
申请日：2023-12-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于先验张量近似的联邦学习拜占庭攻击防御方法及服务器，该方法包括：在联邦学习的第t次迭代时，接收m个客户端中各个客户端发送的第t次的局部模型参数；根据m个客户端的第t‑w次至第t次的局部模型参数，确定第t次的三维张量和第t次的方差贡献权重；采用交替乘子法，根据第t次的三维张量和预设的优化目标函数，确定第t次的最优异常参数张量；预设的优化目标函数是根据预设先验知识构建的；根据第t次的方差贡献权重和第t次的最优异常参数张量，确定第t次迭代时各个客户端的异常分数；根据异常分数，识别第t次迭代时m个客户端中是否存在恶意客户端，得到识别结果。本发明能够有效降低被攻击和信息泄露的风险。
-
公开(公告)号：CN116388954A
公开(公告)日：2023-07-04
申请号：CN202310159080.4
申请日：2023-02-23
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种通用密态数据安全计算方法，通过密态数据安全计算库中各种组件的组合可以将各种机器学习算法外包至云服务器进行隐私保护的计算，在保护数据隐私和模型安全的同时，提高机器学习算法的外包计算效率和计算精度。本发明的通用密态数据安全计算库中各个组件基于各自的协议完成计算过程，这些协议均为隐私保护外包计算协议，在确保机器学习算法精度和计算高效性等前提下，可以实现半诚实威胁模型下的可证明安全，即用户和模型所有者的任何隐私信息都不会泄露给云服务器。此外，通过并行生成方式在目标组件运行计算过程中生成未运行的目标组件的辅助参数，可以提高运算的效率。
-
Patent Agency Ranking
公开(公告)号：CN118381622A
公开(公告)日：2024-07-23
申请号：CN202410215071.7
申请日：2024-02-27
Applicant: 西安电子科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种面向数据异构场景的拜占庭恶意客户端检测方法及其装置，涉及数据处理技术领域，包括：针对每一轮通信过程，获取所有客户端的本地模型集合；利用非线性降维拟合所有客户端的本地模型集合所在的流形空间，将所有客户端的本地模型集合的高维特征投影到低维特征，得到低维特征集合；将低维特征集合中的低维特征转换到SPD流形空间，使用对数欧式度量计算流形之间的距离，获取任一客户端到其他所有客户端的对数欧式距离集合，作为该客户端的可疑分数，将该可疑分数与设定的阈值进行对比，如果大于设定的阈值，则认为该客户端为拜占庭攻击者。本发明能够准确识别拜占庭攻击并提升全局模型精度。
-
公开(公告)号：CN117056978B
公开(公告)日：2024-06-18
申请号：CN202311111312.5
申请日：2023-08-30
Applicant: 西安电子科技大学
Abstract: 本发明的实施例提供了一种基于算术共享的安全并查集方法及其运算方法，应用于安全多方计算技术领域，所述运算方法包括：基于算术共享生成安全并查集初始化算法，利用安全并查集初始化算法完成并查集的初始化；根据安全列表索引算法、安全列表查询算法、安全列表更新算法生成安全并查集查找算法，利用安全并查集查找算法完成并查集的查找；根据安全并查集查找算法、安全列表索引算法和安全比较协议生成安全并查集合并算法，利用安全并查集合并算法完成并查集的合并。以此方式，可以在保护用户数据隐私的同时提供较高的计算效率。
-
公开(公告)号：CN116388954B
公开(公告)日：2023-09-01
申请号：CN202310159080.4
申请日：2023-02-23
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种通用密态数据安全计算方法，通过密态数据安全计算库中各种组件的组合可以将各种机器学习算法外包至云服务器进行隐私保护的计算，在保护数据隐私和模型安全的同时，提高机器学习算法的外包计算效率和计算精度。本发明的通用密态数据安全计算库中各个组件基于各自的协议完成计算过程，这些协议均为隐私保护外包计算协议，在确保机器学习算法精度和计算高效性等前提下，可以实现半诚实威胁模型下的可证明安全，即用户和模型所有者的任何隐私信息都不会泄漏给云服务器。此外，通过并行生成方式在目标组件运行计算过程中生成未运行的目标组件的辅助参数，可以提高运算的效率。
-
公开(公告)号：CN117056978A
公开(公告)日：2023-11-14
申请号：CN202311111312.5
申请日：2023-08-30
Applicant: 西安电子科技大学
Abstract: 本发明的实施例提供了一种基于算术共享的安全并查集方法及其运算方法，应用于安全多方计算技术领域，所述运算方法包括：基于算术共享生成安全并查集初始化算法，利用安全并查集初始化算法完成并查集的初始化；根据安全列表索引算法、安全列表查询算法、安全列表更新算法生成安全并查集查找算法，利用安全并查集查找算法完成并查集的查找；根据安全并查集查找算法、安全列表索引算法和安全比较协议生成安全并查集合并算法，利用安全并查集合并算法完成并查集的合并。以此方式，可以在保护用户数据隐私的同时提供较高的计算效率。
-
公开(公告)号：CN114398538A
公开(公告)日：2022-04-26
申请号：CN202111496617.3
申请日：2021-12-08
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F21/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于个性化推荐技术领域，公开了一种隐私保护的跨域推荐方法、系统、存储介质、计算机设备，包括：建立本地模型，针对各个域中的用户‑项目关系图，基于图神经网络技术从图中学习用户、项目特征，利用交叉熵损失函数训练本地模型；上传模型梯度，将本地模型梯度添加基于瑞丽熵的差分隐私的噪声后上传给服务器，有效保护用户隐私；聚合更新模型，服务器使用FedAvg算法，聚合各个域上传的模型梯度，以此更新全局模型；利用全局模型来更新本地模型，迭代这个过程直至收敛。本发明能够在多域数据环境下实现有效推荐，并能保护多域训练数据隐私；能够在冷启动和数据稀疏的情况下，通过跨域的信息共享实现推荐；能够同时提高多个域上的推荐性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
